当我们能使用match来搜索匹配数据的时候，es会给每一个文档进行评分（匹配度），并根据评分的大小对结果文档进行排序。

介绍

es的实时评分机制是基于 Lucene 的基础上实现的，最常见的是 TF/IDF和BM25这两种评分模型。

多的不说了，直接立flag吧，看看年底的时候完成情况

• dubbo的细节回顾结合dubbo面试题进行学习
• netty的项目总结和源码学习
• es的源码学习（系统学习）结合脑图

• 要有输出，数量不在多，在于精

• 多运动
• 多读书 少看直播
  阅读全文 »

简介

es在对文档进行倒排索引的需要用分析器(Analyzer)对文档进行分析、建立索引。从文档中提取词元（Token）的算法称为分词器（Tokenizer），在分词前预处理的算法称为字符过滤器（Character Filter），进一步处理词元的算法称为词元过滤器（Token Filter），最后得到词（Term）。这整个分析算法称为分析器（Analyzer）。

前言

在了解Elasticsearch之前，我们应该先了解下：

1. 什么是搜索引擎
2. 目前有哪些主流的搜索引擎
3. 搜索引擎搜索的质量应该如何评价
   阅读全文 »

特性 速度快：数据都是存放在内存，用C语言实现，单线程框架（避免了多线程竞争问题） 丰富的数据结构和功能 简单稳定 客户端语言多 支持持久化 主从结构 高可用和分布式 redis作用 缓存 分布式锁 原子问题和失效问题 异步队列 布隆过滤 简单限流（窗口限流），漏斗限流（Cell模块） 地理位置：GEO key，Scan 经典例子 排序：获取最新的列表数据。（zset,list） 排行榜： ...

最近两个月大大小小的面试已经不下十来场了，一共面了5.6个公司，大的有蚂蚁金服，小的有初创公司，也有做直播的等等，但是面试都是大同小异，因此来记录一下自己的不足之处以及需要加强的地方。 项目个人的项目经验其实非常重要，很多面试官往往会从项目入手来考察个人的架构能力以及技术水平。例如会从你负责的模块、平时遇到的技术难点入手来考察你。很多同学可能会碰到和我一样的问题，就是工作上大多数时间负责的是业务模 ...

上个月参加了蚂蚁金服的一面、二面感觉自身还存在很多问题，今天稍微总结下自身存在的不足，以便以后再接再厉。 某天早上在Boss上投了一份简历，中午就来了面试的电话。说是蚂蚁金服的面试官。然后就开始了蚂蚁金服公司一面： 项目中那些部分是觉得有挑战性的。会对你的回答进行提问。 因为项目的原因我回答了有关最短路径搜索，就问了深搜、广搜、A*方面的算法 A*相对广搜有那些优势和你的实现方式 怎么理解A* ...

Hello Word愿我能被这个世界温柔善待

优先使用基本类型相比于包装类型 谨慎使用本地的方法:jvm 的实现越来越块，不一定比本地方法慢，本地方法安全性很低 Equal 的原则 用== 判断是否相等 判断类型 把对象转换成对应的类型 对于 类 中的 关键 域 是否一一匹配 对 域的 判断最好 把最不可能的域先放前面 是否对称 是否一致 是否传递 并发第66条:同步访问共享的数据其实解决线程安全问题最好的办法就是不共享可变的数据 ...